Les variables aléatoires discrètes.
|
|
- Thierry David
- il y a 5 ans
- Total affichages :
Transcription
1 Probabltés. Chaptre 3. Les varables aléatores dscrètes. On suppose dans ce chaptre que (Ω, P) est un espace probablsé fn ou dénombrable (c'est à dre que les éléments de Ω sont numérotables). 1 Les varables aléatores dscrètes. Par défnton, les varables aléatores réelles défnes sur (Ω, P) sont les applcatons de Ω dans R. Elles sont dscrètes (par opposton à "contnues") en ce sens que, comme Ω, l'ensemble des valeurs qu'elles prennent est au plus dénombrable. Par eemple, s l'épreuve étudée consste à jeter deu fos un dé ordnare, on peut chosr pour unvers Ω l'ensemble {1,, 3, 4, 5, 6} et pour probablté P l'équprobablté. La somme, la dfférence, le produt, le quotent, le plus grand, le plus pett, le premer, le deuème, (etc...) des deu numéros obtenus sont des varables aléatores réelles. Les varables aléatores réelles sont souvent notées X et, accessorement, s'l y en a pluseurs : Y, Z, T. Dans la sute du chaptre, X, Y, Z, T désgnent des varables aléatores réelles défnes sur Ω. Voc comment on peut noter certans événements : Evénement Notaton {a Ω / X(a) = 8} (X = 8) {a Ω / X(a) 5} (X 5) {a Ω / 3,5 < X(a) < 8} (-3,5 < X < 8) {a Ω / X(a) > 7} (X > 7) La lo de probablté. La lo de probablté de X est la donnée, sous forme de tableau ou par une formule, des valeurs possbles pour X et des probabltés P(X = ) correspondantes. Quand la lo de probablté de X est présentée sous forme d'un tableau, on a ntérêt à donner auss les probabltés cumulées P(X ). Voc, à ttre d'eemple, un tel tableau pour X égale à la somme des deu numéros obtenus lors de deu jets d'un dé ordnare : P(X = ) 1/36 /36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 /36 1/36 P(X ) 1/36 3/36 6/36 10/36 15/36 1/36 6/36 30/36 33/36 35/36 1 La lgne des probabltés cumulées dot se termner par 1. Elle défnt la foncton de répartton. La foncton de répartton F de X est la foncton défne sur R, à valeurs dans [0,1], telle que: F() = P(X ). Dans le cas où les valeurs possbles pour X sont en nombre fn, la courbe représentatve de F est un escaler dont la premère marche a pour ordonnée 0 et dont la dernère marche a pour ordonnée 1. * Eercce : représenter F dans l'eemple c-dessus. Probabltés Chaptre 3 Page 1
2 3 L'espérance mathématque. On suppose que X prend les valeurs avec les probabltés respectves p ( IN*). L'espérance mathématque de X est le réel : E(X) = p.. L'espérance mathématque de X précse la poston de X. Pour tout réel a : E(a) = a ; E(X + a) = E(X) + a ; E(X + Y) = E(X) + E(Y) ; E(a.X) = a.e(x). (L espérance d une constante est cette constante ; l espérance est lnéare.) On admet provsorement l égalté E(X + Y)=E(X) + E(Y). Par défnton, une varable aléatore est centrée s son espérance mathématque est nulle. Centrer une varable aléatore, c est lu retrer son espérance mathématque. s m = E(X) alors : E(X m) = 0. 4 La varance, l'écart-type. On suppose que X prend les valeurs avec les probabltés respectves p ( IN*). On désgne par m l'espérance mathématque de X. a) La varance. La varance de X est le réel : V(X) = E(X m). La varance de X précse sa dsperson. Elle est d autant plus grande que X est dspersée. Elle est nulle s, et seulement s, X est constante. Voc dfférentes écrtures pour la varance de X : V(X) = E(X m) ; V(X) = p.( m) ; V(X) = E(X ) m ; V(X) = p. m. Retenr : espérance du carré mons carré de l espérance. S a est un réel alors : V(a) = 0 (et récproquement, s V(X)=0 alors X est constante) ; V(X + a) = V(X) (la varance est nsensble au translatons); V(a.X) = a.v(x) ; E(X a) = V(X) + (m a) (égalté de Koeng-Huygens). b) L écart-type. L'écart-type de X est la racne carrée de la varance de X. On le note σ (X). σ (X) = V(X). Il résulte des proprétés de la varance que : ( (a, b) IR ) σ (a.x + b) = a. σ (X). L'écart-type de X précse lu auss la dsperson de X. Il est d autant plus grand que X est dspersée. Il est nul s, et seulement s, X est constante. Par défnton, une varable aléatore est rédute s son écart-type est égal à 1. Rédure une varable aléatore d écart-type non nul, c est la dvser par son écart-type. S s = σ(x) et s s 0 alors : σ(x/s) = 1. Probabltés Chaptre 3 Page
3 c) L'négalté de Benaymé-Tchébycheff. Désgnons par m l'espérance mathématque de X. S σ(x) > 0 alors : Voc un graphque llustrant cette négalté : Pour a > 0 : P( X - m a.σ(x)) 1 a. m-3s m-s m-s m m+s m+s m+3s (s : écart-type) mons de 5% à l'etéreur donc plus de 75% à l'ntéreur Démonstraton : σ = p ( m) m a. σ mons de 11, % (1/9) à l'etéreur donc plus de 88,8 % à l'ntéreur p ( m) a. σ p = a. σ.p( X m a. σ). m a. σ 5 Les moments. Désgnons par m l'espérance mathématque de X, s elle este. Le moment d ordre n (n N) de X est l espérance de X n n, c est à dre : p. Le moment centré d ordre n (n N) de X est l espérance de (X-m) n n, c est à dre : p ( m). Ans, le moment (centré ou pas) d ordre 0 de X est 1 ; le moment d ordre 1 de X est E(X) ; le moment centré d ordre 1 de X est 0 ; le moment centré d ordre de X est V(X). Certans moments de X peuvent ne pas ester : la varable aléatore prenant la valeur ( N*) avec la 6 1 π probablté p = ne possède que son moment d ordre 0. ( = ). π 6 6 La lo unforme sur { a + 1, a +,..., a + n } (a IR ; n IN*). On suppose que la lo de probablté de la varable aléatore X est ans défne : ( {1,..., n}) P(X = a + ) = 1 n. Par défnton, X est unforme sur { a + 1,..., a + n }. X a pour espérance mathématque : X a pour varance : E(X) = a + n + 1. V(X) = n 1 1. Probabltés Chaptre 3 Page 3
4 Eercces. 1. On tre au hasard une carte dans un jeu de 3. Sot X la varable aléatore qu assoce à une carte la valeur 4 s c est un as, 3 pour un ro, pour une dame, 1 pour un valet et 0 pour le reste. Donner la lo de probablté de X, l espérance mathématque de X et la varance de X.. On jette deu dés non truqués. Soent X le plus grand des deu chffres, Y la somme des deu chffres et Z la somme de X et de Y. Détermner les los de probabltés, les espérances mathématques et les varances des tros varables aléatores X, Y et Z. 3. Une urne content 10 boules numérotées 0 pour l une d entre elles, 1 pour tros d entre elles et pour les autres. On etrat smultanément deu boules. Détermner la lo de probablté de la somme X des chffres pus E(X) et Var(X). 4. Les 6 faces d un dé truqué sont numérotées de 1 à 6. Les faces 1, 3, 5 sont équprobables, les faces pares sont équprobables et on sat que P()= 3 P(1). a) Trouver les probabltés des dfférentes faces. b) On pose X=1 s le numéro est mpar, X= s le numéro est 6 et X=0 dans les autres cas. Détermner la lo de probablté de X, sa foncton de répartton, son espérance mathématque et sa varance. 5. Un jeu consste à puser au hasard dans un sac contenant 0 jetons blancs et 80 jetons nors. On puse jusqu à l obtenton d un jeton nor, mas en se lmtant à 4 trages au mamum et en remettant le jeton tré dans le sac à chaque fos. A comben de trages peut-on s attendre sur 100 partes. 6. On lance un dé d fos de sute. Sot X le numéro obtenu au -ème lancer et S la somme des numéros obtenus. a) Trouver E(X ), Var(X ), E(S), Var(S). b) Donner un majorant de P( S-E(S) 0). 7. On chost au hasard un nombre X entre 1 (comprs) et 9 (comprs). Donner la lo de probablté de X, son espérance mathématque et sa varance. Quelle est la probablté que ce nombre sot comprs, au sens large, entre 3 et 7? Utlser l négalté de Benaymé-Tchébychev pour donner un mnorant de cette probablté. 8. On chost au hasard, avec équprobablté, deu nombres parm les cnq nombres 0, 1,, 3, 4. On désgne par X la varable aléatore égale au plus grand des deu nombres choss Donner la lo de probablté de X, son espérance mathématque et sa varance. 8.. L négalté de Benaymé-Tchébychev fournt un majorant de la probablté P(X = 1). Quel est ce majorant? 9. On dspose 3 pons blancs et 1 pon nor sur un damer comportant 3 lgnes et 4 colonnes. a) Quelle est la probablté que les 3 pons blancs soent sur une même lgne ou un même colonne? b) quelle est la lo de probablté et l espérance mathématque de X défne comme la somme des ndces de lgne et de colonne de la case occupée par le pon nor? 10. 1) On consdère une roue de lotere dvsée en s secteurs égau : un rouge, tros blancs et deu bleus. Un joueur fat tourner cette roue et regarde quelle est la couleur obtenue. S elle est rouge, l gagne ; s elle est blanche, l perd ; s elle est bleue, l dot refare tourner la roue. S, à l ssue de cette deuème épreuve, la couleur obtenue est rouge, le joueur gagne ; s elle est blanche ou bleue, l perd. Calculer les probabltés suvantes : a) probablté p 1 de gagner dès la premère épreuve ; b) probablté p de gagner à l ssue de la deuème épreuve ; c) probablté p de gagner la parte. ) La roue possède mantenant secteurs égau ( étant un nombre enter supéreur ou égal à 4) ; un secteur est rouge, tros sont blancs et les autres sont bleus. Le prncpe du jeu reste le même que précédemment : s le joueur gagne à la premère épreuve, l reçot 4 F ; s l perd à cette premère épreuve, l verse F ; s l obtent un secteur rouge à la deuème épreuve, l reçot 6 F ; s l obtent un secteur blanc, l verse 1 F et s l obtent un secteur bleu, l ne reçot n ne verse ren. On appelle X la varable aléatore réelle égale à +A s le jour a gagné A F, à -B s le joueur a perdu B F. a) Etablr la lo de probablté de X en foncton de. b) Détermner en foncton de l espérance mathématque de X. c) Quel dot être le nombre total de secteurs de la roue pour que le jeu sot équtable, c est à dre pour que E(X)=0? d) Quel dot être le nombre total de secteurs pour que E(X) sot mamale? chevau, 4 blancs et 5 nors, pénètrent 1 à 1 sur la pste d un crque. On désgne par X le nombre de chevau blancs précédant le premer cheval nor. Donner la lo de probablté de X, son espérance mathématque et sa varance. Probabltés Chaptre 3 Page 4
5 1. Un sac content n boules dont deu blanches, les autres étant nores. On épuse l urne en trant une à une les n boules sans les remettre. Sot X le rang de la premère boule blanche trée. Donner la lo de probablté de X et son espérance mathématque. 13. On tre smultanément boules d un sac contenant 6 boules numérotées de 0 à 5. X est ans défn : X=0 s les numéros a et b obtenus sont mpars ; = a + b s ls sont tous deu pars ; X= a-b dans tous les autres cas. Trouver la lo de probablté de X. 14. On s ntéresse à une populaton de s personnes. Voc un tableau précsant l âge (en années) et le see de chacune d elles. On chost au hasard une personne dans cette populaton On consdère les événements suvants : A : la personne chose est de see masculn ; B : la personne chose est de see fémnn ; C : la personne chose est âgée d au plus 0 ans ; D : la personne chose est âgée d au mons 1 ans ; E : la personne chose est âgée d au mons ans. See M F F M M F Age a) Détermner les pares d événements (choss parm ces événements) ncompatbles. b) Détermner les pares d événements (choss parm ces événements) contrares. c) Détermner les pares d événements (choss parm ces événements) ndépendants On désgne par X la varable aléatore égale à l âge (en années) de la personne chose. a) Calculer l espérance mathématque et la varance de X. L négalté de Benaymé-Tchébychev fournt un mnorant de la probablté de l événement F : «L âge de la personne chose est comprs (au sens large) entre 0 ans et 3 ans». b) Donner ce mnorant. c) Quelle est la probablté réelle de cet événement F? On chost au hasard une autre personne parm les cnq personnes restantes. Calculer la probablté que les deu personnes choses soent de même see On désgne par Y la varable aléatore égale à l âge (en années) de la plus jeune des deu personnes choses. a) Donner la lo de probablté de Y. b) Calculer la probablté P (Y < X 1). c) Calculer la probablté P A (Y < X) ( Probablté que la deuème personne chose sot plus jeune que la premère, sachant que la premère est de see masculn) On chost au hasard une trosème personne parm les quatre personnes restantes. Calculer la probablté que la plus jeune et la plus âgée des tros personnes choses soent de même see. Probabltés Chaptre 3 Page 5
6 15. Luce possède eactement 5 poules : blanches et 3 rousses. Deman, elle en destnera une à la casserole. Les rousses sont plus dffcles à capturer que les blanches : pour chaque rousse, la probablté de passer à la casserole deman est 1/6 ; pour chaque blanche, cette probablté est 1/4. Pour l heure (la nut tombe, les poules s endorment), Luce vent chercher les œufs pondus aujourd hu. Ils sont dspersés dans la palle mas elle n aura pas grand mal à les trouver. Aucune poule ne pond plus d un œuf par jour. Les rousses sont plus vallantes que les blanches : chaque jour, pour chaque rousse, la probablté de pondre un œuf est /3. Pour chaque blanche, cette probablté est 1/. Les poules pondent, ou ne pondent pas, ndépendamment les unes des autres. Pour chaque poule blanche et pour chaque poule rousse, la ponte d un œuf aujourd hu et le passage à la casserole deman sont ndépendants On s ntéresse à une poule chose au hasard parm les 5 poules. Donner la probablté de chacun des événements suvants : B : la poule chose est blanche ; R : la poule chose est rousse ; F : la poule chose a pondu un œuf aujourd hu ; C1 : la poule chose passera à la casserole deman ; la poule chose a pondu un œuf aujourd hu et passera à la casserole deman On désgne par N le nombre d œufs pondus aujourd hu par les 5 poules. Donner l espérance mathématque de N pus la lo de probablté de N Calculer la probablté de chacun des événements suvants : la poule qu passera à la casserole deman est rousse ; la poule qu passera à la casserole deman a pondu un œuf aujourd hu ; les 5 poules ont pondu eactement 3 œufs aujourd hu Luce vent de trouver un œuf pondu aujourd hu. Il y a peut-être d autres œufs pondus aujourd hu. Calculer la probablté, sachant que Luce vent de trouver un œuf pondu aujourd hu, de chacun des événements suvants : la poule qu a pondu cet œuf est rousse ; la poule qu a pondu cet œuf passera à la casserole deman ; les 5 poules ont pondu eactement 3 œufs aujourd hu On s ntéresse à 3 poules choses au hasard parm les 5 poules. Calculer la probablté de chacun des événements suvants : RRR : les 3 poules choses sont rousses ; FFF : les 3 poules choses ont pondu aujourd hu ; C3 : l une des 3 poules choses passera à la casserole deman ; les 3 poules choses ont pondu aujourd hu et l une d elles passera à la casserole deman Luce vent de trouver deu autres œufs pondus aujourd hu. Il y a peut-être d autres œufs pondus aujourd hu. Calculer la probablté, sachant que Luce a trouvé tros œufs pondus aujourd hu, de chacun des événements suvants : ces 3 œufs ont été pondus par les 3 poules rousses ; la poule qu passera à la casserole deman a pondu l un de ces 3 œufs ; les 5 poules ont pondu eactement 3 œufs aujourd hu. Probabltés Chaptre 3 Page 6
7 Réponses P(X = ) 1/ 1/8 1/8 1/8 1/8 E(X) = 5/4 = 1,5 ; Var(X) = 35/ =, P(X = ) 1/36 3/36 5/36 7/36 9/36 11/36 P(X ) 1/36 4/36 9/36 /36 5/36 1 y P(Y = y) 1/36 /36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 /36 1/36 P(Y y) 1/36 3/36 6/36 10/36 15/36 1/36 6/36 30/36 33/36 35/36 1 z P(Z = z) 1/36 0 /36 1/36 /36 /36 3/36 /36 P(Z z) 1/36 1/36 3/36 4/36 6/36 8/36 11/36 13/36 Z P(Z = z) 4/36 3/36 4/36 4/36 3/36 /36 /36 1/36 P(Z z) 17/36 0/36 4/36 8/36 31/36 33/36 35/36 1 E(X) = 1/36 ; Var(X) = 555/196 ; E(Y) = 7 ; Var(Y) = 35/6 ; E(Z) = 413/36 = E(X) + E(Y) ; Var(Z) = 17675/196 Var(X) + Var(Y) a) E(X) = 3 ; V(X) = 4/5. b) E(X) = 13/15 ; V(X) = 86/ P(X = ) 1/15 3/15 6/15 5/15 P(X ) 1/15 4/15 10/15 1 Face Probablté 3/15 /15 3/15 /15 3/15 / P(X = ) 4/15 9/15 /15 P(X ) 4/15 13/15 1 X < 0 0 < 1 1 < < F() 0 4/15 13/ X : nombre de trages P(X = ) 4/5 4/5 4/15 1/15 E(X) = 1,48; Sur 100 partes on peut s attendre à 15 trages (14,8). 6. a) E(X ) = 3,5 ; V(X ) = 35/1 ; E(S) = 35 ; V(S) = 175/6 ; b) P( S E(S) 0) < 7/ La lo de X est unforme sur {1,,..., 9}.E(X) = 5 ; Var(X) = 0/3 ; P(3 X 7) = 5/9 ; P( X 5 ) 7/ P(X = ) 1/10 /10 3/10 4/10 9. a) 3 3 C C 1 E(X)=4,5. = 4/55 b) 1. E(X) = 3 ; V(X) = 1. P(X = 1) = P( X 3 ) 1/ P(X = ) 1/1 /1 3/1 3/1 /1 1/1 P(X ) 1/1 3/1 6/1 9/1 11/1 1 Probabltés Chaptre 3 Page 7
8 10. 1) p 1 = 1/6 ; p = 1/18 ; p = p 1 + p = /9 ) a) a P(X = a) P(X a) b) E(X) = 1 c) = 1 d) E () = 4 ; E () = ( 36 ) ; = 4 ; E(4) = ( {0, 1,, 3, 4}) P(X = ) = C 8 4 C9 ; sous forme de tableau : P(X = ) 70/16 35/16 15/16 5/16 1/16 P(X ) 70/16 105/16 10/16 15/16 1 E(X) = /3 ; Var(X) = 50/63 1. L unvers Ω est l ensemble des pares de trages parm n trages. Card Ω = C n = n( n 1) L événement (X = ) (1 n 1) a autant déléments qu l y a de postons possbles pour le trage de la ème boule blanche, c est à dre n. Donc P(X = ) = ( n ) n( n 1) n 1 ( n ) n n 1 E(X) = = - = 1 n( n 1) n( n 1) = 1 n( n 1) 13. (1 n 1). n 1 = 1 = n n( n 1) n( n 1) P(X=) 3/15 6/15 1/15 4/15 0 1/15 P(X ) 3/15 9/15 10/15 14/15 14/15 1. n( n 1)( n 1) n( n 1) 6 = n a) A et B ; C et D ; C et E b) A et B ; C et D c) A et C ; A et D ; B et C ; B et D. a) E (X) = 1,5 ; Var (X) = 35/1 b) 8/15 c) /3 3. /5 4. Voc un tableau donnant les valeurs possbles pour Y M F F M M F a) b) P (Y < X 1) = 1/3 c) 7/ / y P(Y = y) 5/15 4/15 3/15 /15 1/15 P(Y y) 5/15 9/15 1/15 15/15 15/ /5 ; 3/5 ; 3/5 ; 1/5 ; P(F C1) = 7/ E(N) = 3 (/3) + (1/) = 3 n P(N = n) 1/108 8/108 5/108 38/108 8/108 8/ P C1 (R) = 1/ ; P C1 (F) = 7/1 ; P(N = 3) = 19/ P F (R)=/3 ; P F (C1)=7/36 ; P(N=3 / N>0)=38/ /10 ; 3/108 ; 3/5 ; P(FFF C3) = 17/ P FFF (RRR)=/115 ; P FFF (C3)=68/115 ; P(N=3 / N 3)=19/37 Probabltés Chaptre 3 Page 8
9 B. Lefranços, Bulletn APMEP n 411, Jullet Voc, mes chers élèves, sous forme de poème, L énoncé d un nouveau et passonnant problème... Dans une urne, un beau jour, séjournaent, réuns, Vngt jetons dentques qu se trouvaent muns Chacun d un numéro allant de un à vngt. Voulor les dstnguer eut été vrament van! A côté de cette urne, se tenat, sur la table, Un magnfque dé, eactement semblable A ceu que, d habtude, vous tous utlsez Lorsque vous ne cherchez qu à vous en amuser. C est alors que, prêtant une man nnocente, Quelqu un de votre classe va rompre notre attente : Mylèn jette le dé, lt le nombre obtenu, Plonge la man dans l urne et, de son contenu, Retre de jetons ce nombre eactement. Alors elle décde, fort opportunément, De ne garder en fat, pour fare son bonheur, Que ceu des numéros dont cnq est dvseur. Et dans sa tête alors, qu, en calculs est bonne, (Et pour plare à son prof qu de chffres l assomme,) Des jetons conservés, elle calcule la somme. Pour celu qu possède un soupçon de pratque, Un tel nombre se nomme aléa numérque. De cet aléa-là, vous tous, sans héster, Devez donner la lo de probablté ; Enfn dans votre élan, calculez l espérance Et s vous le pouvez, auss la varance. Voc donc posées, en vers de mrlton, Des questons dont, j espère, vous amerez le ton... Probabltés Chaptre 3 Page 9
10 Soluton. P(S = 0) = 1 6 ( C 1 + C + C 3 + C 4 + C 5 + C 6 ) = C 0 6 ( ) = P(S = 5) = 1 6 ( C 0 + C 1 + C + C 3 + C 4 + C 5 ) = C P(S = 10) = P(S = 5) = P(S = 15) (S = 15) = {15} {5, 10}. P(S = 15) = P({15}) + P({5, 10}). P({15}) = ; P({5, 10}) = 1 6 ( C 0 + C 1 + C + C 3 + C ) = P(S = 15) = = P(S = 0) (S = 0) = {0} {5, 15}.P(S = 0) = P(S = 15) = P(S = 5) 498 (S = 5) = {5, 0} {10, 15}.P(S = 5) = P({5, 0}) + P({10, 15}) = P(5, 10}) = 180. P(S = 30) (S = 30) = {10, 0} {5, 10, 15}. P(S = 30) = P({10, 0}) + P({5, 10, 15}). 464 P({10, 0}) = P({5, 10, 15}) = 1 6 ( C + C + C + C ) = C P(S = 30) = = P(S = 35) (S = 35) = {15, 0} {5, 10, 0}. P(S = 35) = P({15, 0}) + P({5, 10, 0}) = P(S = 30) = P(S = 40) = P({5, 15, 0}) = 1 6 ( C 0 C C + C + C ) = P(S = 45) = P({10, 15, 0}) = 1 6 ( C 0 + C 1 + C + C ) = C P(S = 50) = P({5, 10, 15, 0}) = 1 6 ( C 0 + C 1 + C 84 ) = C C C 180. Lo de probablté de S s *P(S=s) *P(S s) E(S) = 35 4 ; Var(S) = Probabltés Chaptre 3 Page 10
Remboursement d un emprunt par annuités constantes
Sére STG Journées de formaton Janver 2006 Remboursement d un emprunt par annutés constantes Le prncpe Utlsaton du tableur Un emprunteur s adresse à un prêteur pour obtenr une somme d argent (la dette)
Plus en détailMesure avec une règle
Mesure avec une règle par Matheu ROUAUD Professeur de Scences Physques en prépa, Dplômé en Physque Théorque. Lycée Alan-Fourner 8000 Bourges ecrre@ncerttudes.fr RÉSUMÉ La mesure d'une grandeur par un système
Plus en détailSTATISTIQUE AVEC EXCEL
STATISTIQUE AVEC EXCEL Excel offre d nnombrables possbltés de recuellr des données statstques, de les classer, de les analyser et de les représenter graphquement. Ce sont prncpalement les tros éléments
Plus en détailLes jeunes économistes
Chaptre1 : les ntérêts smples 1. défnton et calcul pratque : Défnton : Dans le cas de l ntérêt smple, le captal reste nvarable pendant toute la durée du prêt. L emprunteur dot verser, à la fn de chaque
Plus en détailGénéralités sur les fonctions 1ES
Généraltés sur les fonctons ES GENERALITES SUR LES FNCTINS I. RAPPELS a. Vocabulare Défnton Une foncton est un procédé qu permet d assocer à un nombre x appartenant à un ensemble D un nombre y n note :
Plus en détailPlan. Gestion des stocks. Les opérations de gestions des stocks. Les opérations de gestions des stocks
Plan Geston des stocks Abdellah El Fallah Ensa de Tétouan 2011 Les opératons de gestons des stocks Les coûts assocés à la geston des stocks Le rôle des stocks Modèle de la quantté économque Geston calendare
Plus en détailGENESIS - Generalized System for Imputation Simulations (Système généralisé pour simuler l imputation)
GENESS - Generalzed System for mputaton Smulatons (Système généralsé pour smuler l mputaton) GENESS est un système qu permet d exécuter des smulatons en présence d mputaton. L utlsateur fournt un ensemble
Plus en détailQ x2 = 1 2. est dans l ensemble plus grand des rationnels Q. Continuons ainsi, l équation x 2 = 1 2
Exo7 Nombres complexes Vdéo parte. Les nombres complexes, défntons et opératons Vdéo parte. Racnes carrées, équaton du second degré Vdéo parte 3. Argument et trgonométre Vdéo parte 4. Nombres complexes
Plus en détailTD 1. Statistiques à une variable.
Danel Abécasss. Année unverstare 2010/2011 Prépa-L1 TD de bostatstques. Exercce 1. On consdère la sére suvante : TD 1. Statstques à une varable. 1. Calculer la moyenne et l écart type. 2. Calculer la médane
Plus en détailÉLÉMENTS DE THÉORIE DE L INFORMATION POUR LES COMMUNICATIONS.
ÉLÉMETS DE THÉORIE DE L IFORMATIO POUR LES COMMUICATIOS. L a théore de l nformaton est une dscplne qu s appue non seulement sur les (télé-) communcatons, mas auss sur l nformatque, la statstque, la physque
Plus en détailMÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES
MÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES Émle Garca, Maron Le Cam et Therry Rocher MENESR-DEPP, bureau de l évaluaton des élèves Cet artcle porte sur les méthodes de
Plus en détailProbabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12
Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont
Plus en détailCalculer le coût amorti d une obligation sur chaque exercice et présenter les écritures dans les comptes individuels de la société Plumeria.
1 CAS nédt d applcaton sur les normes IAS/IFRS Coût amort sur oblgatons à taux varable ou révsable La socété Plumera présente ses comptes annuels dans le référentel IFRS. Elle détent dans son portefeulle
Plus en détailChapitre IV : Inductance propre, inductance mutuelle. Energie électromagnétique
Spécale PSI - Cours "Electromagnétsme" 1 Inducton électromagnétque Chaptre IV : Inductance propre, nductance mutuelle. Energe électromagnétque Objectfs: Coecents d nductance propre L et mutuelle M Blan
Plus en détailExercices d Électrocinétique
ercces d Électrocnétque Intensté et densté de courant -1.1 Vtesse des porteurs de charges : On dssout une masse m = 20g de chlorure de sodum NaCl dans un bac électrolytque de longueur l = 20cm et de secton
Plus en détailGEA I Mathématiques nancières Poly. de révision. Lionel Darondeau
GEA I Mathématques nancères Poly de révson Lonel Darondeau Intérêts smples et composés Voc la lste des exercces à révser, corrgés en cours : Exercce 2 Exercce 3 Exercce 5 Exercce 6 Exercce 7 Exercce 8
Plus en détailProbabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...
1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................
Plus en détailBTS GPN 2EME ANNEE-MATHEMATIQUES-MATHS FINANCIERES MATHEMATIQUES FINANCIERES
MATHEMATIQUES FINANCIERES I. Concepts généraux. Le référentel précse : Cette parte du module M4 «Acquérr des outls mathématques de base nécessares à l'analyse de données économques» est en relaton avec
Plus en détailEditions ENI. Project 2010. Collection Référence Bureautique. Extrait
Edtons ENI Project 2010 Collecton Référence Bureautque Extrat Défnton des tâches Défnton des tâches Project 2010 Sasr les tâches d'un projet Les tâches représentent le traval à accomplr pour attendre l'objectf
Plus en détail1. Déterminer l ensemble U ( univers des possibles) et l ensemble E ( événement) pour les situations suivantes.
Corrigé du Prétest 1. Déterminer l ensemble U ( univers des possibles) et l ensemble E ( événement) pour les situations suivantes. a) Obtenir un nombre inférieur à 3 lors du lancer d un dé. U= { 1, 2,
Plus en détailAssurance maladie et aléa de moralité ex-ante : L incidence de l hétérogénéité de la perte sanitaire
Assurance malade et aléa de moralté ex-ante : L ncdence de l hétérogénété de la perte santare Davd Alary 1 et Franck Ben 2 Cet artcle examne l ncdence de l hétérogénété de la perte santare sur les contrats
Plus en détailDES EFFETS PERVERS DU MORCELLEMENT DES STOCKS
DES EFFETS PERVERS DU MORCELLEMENT DES STOCKS Le cabnet Enetek nous démontre les mpacts négatfs de la multplcaton des stocks qu au leu d amélorer le taux de servce en se rapprochant du clent, le dégradent
Plus en détailII - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1
II - Notos de probablté 9/0/007 PHYS-F-30 G. Wlquet Ue varable aléatore est ue varable dot la valeur e peut être prédte avec certtude mas dot la probablté d occurrece d ue valeur (varable dscrète) ou d
Plus en détailCalcul de tableaux d amortissement
Calcul de tableaux d amortssement 1 Tableau d amortssement Un emprunt est caractérsé par : une somme empruntée notée ; un taux annuel, en %, noté ; une pérodcté qu correspond à la fréquence de remboursement,
Plus en détailGEA II Introduction aux probabilités Poly. de révision. Lionel Darondeau
GEA II Introduction aux probabilités Poly. de révision Lionel Darondeau Table des matières Énoncés 4 Corrigés 10 TD 1. Analyse combinatoire 11 TD 2. Probabilités élémentaires 16 TD 3. Probabilités conditionnelles
Plus en détail1.0 Probabilité vs statistique...1. 1.1 Expérience aléatoire et espace échantillonnal...1. 1.2 Événement...2
- robabltés - haptre : Introducton à la théore des probabltés.0 robablté vs statstque.... Expérence aléatore et espace échantllonnal.... Événement.... xomes défnton de probablté..... Quelques théorèmes
Plus en détailProbabilités et Statistiques. Feuille 2 : variables aléatoires discrètes
IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de
Plus en détailMontage émetteur commun
tour au menu ontage émetteur commun Polarsaton d un transstor. ôle de la polarsaton La polarsaton a pour rôle de placer le pont de fonctonnement du transstor dans une zone où ses caractérstques sont lnéares.
Plus en détailDynamique du point matériel
Chaptre III Dynaqe d pont atérel I Généraltés La cnéatqe a por objet l étde des oveents des corps en foncton d teps, sans tenr copte des cases q les provoqent La dynaqe est la scence q étde (o déterne)
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailÉconométrie. Annexes : exercices et corrigés. 5 e édition. William Greene New York University
Économétre 5 e édton Annexes : exercces et corrgés Wllam Greene New York Unversty Édton françase drgée par Dder Schlacther, IEP Pars, unversté Pars II Traducton : Stéphane Monjon, unversté Pars I Panthéon-Sorbonne
Plus en détailCorrigé du problème de Mathématiques générales 2010. - Partie I - 0 0 0. 0.
Corrgé du problème de Mathématques générales 2010 - Parte I - 1(a. Sot X S A. La matrce A est un polynôme en X donc commute avec X. 1(b. On a : 0 = m A (A = m A (X n ; le polynôme m A (x n est annulateur
Plus en détailProjet de fin d études
Unversté Franços Rabelas Tours Ecole Polytechnque Unverstare de Tours Département Informatque Projet de fn d études Ordonnancement Juste à Temps avec geston des stocks Chopn Antone Mrault Arnaud 3ème année
Plus en détailI. Cas de l équiprobabilité
I. Cas de l équiprobabilité Enoncé : On lance deux dés. L un est noir et l autre est blanc. Calculer les probabilités suivantes : A «Obtenir exactement un as» «Obtenir au moins un as» C «Obtenir au plus
Plus en détailFluctuation d une fréquence selon les échantillons - Probabilités
Fluctuation d une fréquence selon les échantillons - Probabilités C H A P I T R E 3 JE DOIS SAVOIR Calculer une fréquence JE VAIS ÊTRE C APABLE DE Expérimenter la prise d échantillons aléatoires de taille
Plus en détailDirigeant de SAS : Laisser le choix du statut social
Drgeant de SAS : Lasser le chox du statut socal Résumé de notre proposton : Ouvrr le chox du statut socal du drgeant de SAS avec 2 solutons possbles : apprécer la stuaton socale des drgeants de SAS comme
Plus en détailGrandeur physique, chiffres significatifs
Grandeur physque, chffres sgnfcatfs I) Donner le résultat d une mesure en correspondance avec l nstrument utlsé : S avec un nstrument, ren n est ndqué sur l ncerttude absolue X d une mesure X, on consdère
Plus en détailContrats prévoyance des TNS : Clarifier les règles pour sécuriser les prestations
Contrats prévoyance des TNS : Clarfer les règles pour sécurser les prestatons Résumé de notre proposton : A - Amélorer l nformaton des souscrpteurs B Prévor plus de souplesse dans l apprécaton des revenus
Plus en détailProbabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2
Probabilités Table des matières I Petits rappels sur le vocabulaire des ensembles 2 I.1 s................................................... 2 I.2 Propriétés...................................................
Plus en détailLa théorie classique de l information. 1 ère partie : le point de vue de Kolmogorov.
La théore classque de l nformaton. ère parte : le pont de vue de Kolmogorov. La sute de caractères comme outl de descrpton des systèmes. La scence peut être vue comme l art de compresser les données quelles
Plus en détailChapitre 3 : Incertitudes CHAPITRE 3 INCERTITUDES. Lignes directrices 2006 du GIEC pour les inventaires nationaux de gaz à effet de serre 3.
Chaptre 3 : Incerttudes CHAPITRE 3 INCERTITUDES Lgnes drectrces 2006 du GIEC pour les nventares natonaux de gaz à effet de serre 3.1 Volume 1 : Orentatons générales et établssement des rapports Auteurs
Plus en détailPage 5 TABLE DES MATIÈRES
Page 5 TABLE DES MATIÈRES CHAPITRE I LES POURCENTAGES 1. LES OBJECTIFS 12 2. LES DÉFINITIONS 14 1. La varaton absolue d'une grandeur 2. La varaton moyenne d'une grandeur (par unté de temps) 3. Le coeffcent
Plus en détailProbabilités conditionnelles Loi binomiale
Exercices 23 juillet 2014 Probabilités conditionnelles Loi binomiale Équiprobabilité et variable aléatoire Exercice 1 Une urne contient 5 boules indiscernables, 3 rouges et 2 vertes. On tire au hasard
Plus en détailTerminal numérique TM 13 raccordé aux installations Integral 33
Termnal numérque TM 13 raccordé aux nstallatons Integral 33 Notce d utlsaton Vous garderez une longueur d avance. Famlarsez--vous avec votre téléphone Remarques mportantes Chaptres à lre en prorté -- Vue
Plus en détailLes déterminants de la détention et de l usage de la carte de débit : une analyse empirique sur données individuelles françaises
Les détermnants de la détenton et de l usage de la carte de débt : une analyse emprque sur données ndvduelles françases Davd Boune Marc Bourreau Abel Franços Jun 2006 Département Scences Economques et
Plus en détailLE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE
LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE. Exemple troductf (Les élèves qu coasset déà be le prcpe peuvet sauter ce paragraphe) Cosdéros la sute (u ), défe pour tout, par : u u u 0 0 Cette sute est défe
Plus en détailP1 : Corrigés des exercices
P1 : Corrigés des exercices I Exercices du I I.2.a. Poker : Ω est ( l ensemble ) des parties à 5 éléments de l ensemble E des 52 cartes. Cardinal : 5 I.2.b. Bridge : Ω est ( l ensemble ) des parties à
Plus en détailsanté Les arrêts de travail des séniors en emploi
soldarté et DOSSIERS Les arrêts de traval des sénors en emplo N 2 2007 Les sénors en emplo se dstnguent-ls de leurs cadets en termes de recours aux arrêts de traval? Les sénors ne déclarent pas plus d
Plus en détailBUREAU D'APPLICATION DES METHODES STATISTIQUES ET INFORMATIQUES
BUREAU DAPPLICATION DES METHODES STATISTIQUES ET INFORMATIQUES BAMSI REPRINT 04/2003 Introducton à l analyse des données Samuel AMBAPOUR BAMSSI I BAMSI B.P. 13734 Brazzavlle BAMSI REPRINT 04/2003 Introducton
Plus en détailExercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010
Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010 Exercices fortement conseillés : 6, 10 et 14 1) Un groupe d étudiants est formé de 20 étudiants de première année
Plus en détailExemple On lance une pièce de monnaie trois fois de suite. Calculer la probabilité d obtenir exactement deux fois pile.
Probabilités Définition intuitive Exemple On lance un dé. Quelle est la probabilité d obtenir un multiple de 3? Comme il y a deux multiples de 3 parmi les six issues possibles, on a chances sur 6 d obtenir
Plus en détail4. Exercices et corrigés
4. Exercices et corrigés. N 28p.304 Dans une classe de 3 élèves, le club théâtre (T) compte 0 élèves et la chorale (C) 2 élèves. Dix-huit élèves ne participent à aucune de ces activités. On interroge au
Plus en détailLes déterminants de la détention et de l usage de la carte de débit : une analyse empirique sur données individuelles françaises
Les détermnants de la détenton et de l usage de la carte de débt : une analyse emprque sur données ndvduelles françases Davd Boune a, Marc Bourreau a,b et Abel Franços a,c a Télécom ParsTech, Département
Plus en détailExercices sur le chapitre «Probabilités»
Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Pour démarrer Exercices sur le chapitre «Probabilités» Exercice 1 (Modélisation d un dé non cubique) On considère un parallélépipède rectangle de
Plus en détailLes probabilités. Chapitre 18. Tester ses connaissances
Chapitre 18 Les probabilités OBJECTIFS DU CHAPITRE Calculer la probabilité d événements Tester ses connaissances 1. Expériences aléatoires Voici trois expériences : - Expérience (1) : on lance une pièce
Plus en détailLoi d une variable discrète
MATHEMATIQUES TD N : VARIABLES DISCRETES - Corrigé. P[X = k] 0 k point de discontinuité de F et P[X = k] = F(k + ) F(k ) Ainsi, P[X = ] =, P[X = 0] =, P[X = ] = R&T Saint-Malo - nde année - 0/0 Loi d une
Plus en détailFaites connaissance avec votre Rubik s Cube Étape 1
Faites connaissance avec votre Rubik s Cube Étape 1 ÉFIN ITION ES IÈCES U RUBIK S CUBE LES RTIES LES IÈCES RÊTES CE SONT ES IÈCES COMORTNT EUX (2) COULEU RS. IL Y OUZE (12) IÈCES RÊTES, SITUÉES U CENT
Plus en détailLE RÉGIME DE RETRAITE DU PERSONNEL CANADIEN DE LA CANADA-VIE (le «régime») INFORMATION IMPORTANTE CONCERNANT LE RECOURS COLLECTIF
1 LE RÉGIME DE RETRAITE DU PERSONNEL CANADIEN DE LA CANADA-VIE (le «régme») INFORMATION IMPORTANTE CONCERNANT LE RECOURS COLLECTIF AVIS AUX RETRAITÉS ET AUX PARTICIPANTS AVEC DROITS ACQUIS DIFFÉRÉS Expédteurs
Plus en détailActuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.
Actuariat I ACT2121 septième séance Arthur Charpentier charpentier.arthur@uqam.ca http ://freakonometrics.blog.free.fr/ Automne 2012 1 Exercice 1 En analysant le temps d attente X avant un certain événement
Plus en détailSystème solaire combiné Estimation des besoins énergétiques
Revue des Energes Renouvelables ICRESD-07 Tlemcen (007) 109 114 Système solare combné Estmaton des besons énergétques R. Kharch 1, B. Benyoucef et M. Belhamel 1 1 Centre de Développement des Energes Renouvelables
Plus en détailPROBABILITÉS CONDITIONNELLES
PROBABILITÉS CONDITIONNELLES A.FORMONS DES COUPLES Pour la fête de l école, les élèves de CE 2 ont préparé une danse qui s exécute par couples : un garçon, une fille. La maîtresse doit faire des essais
Plus en détailIDEI Report # 18. Transport. December 2010. Elasticités de la demande de transport ferroviaire: définitions et mesures
IDEI Report # 18 Transport December 2010 Elastctés de la demande de transport ferrovare: défntons et mesures Elastctés de la demande de transport ferrovare : Défntons et mesures Marc Ivald Toulouse School
Plus en détailLEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples.
LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples. Pré-requis : Probabilités : définition, calculs et probabilités conditionnelles ; Notion de variables aléatoires, et propriétés associées : espérance,
Plus en détailTravaux dirigés d introduction aux Probabilités
Travaux dirigés d introduction aux Probabilités - Dénombrement - - Probabilités Élémentaires - - Variables Aléatoires Discrètes - - Variables Aléatoires Continues - 1 - Dénombrement - Exercice 1 Combien
Plus en détailCOMPARAISON DE MÉTHODES POUR LA CORRECTION
COMPARAISON DE MÉTHODES POUR LA CORRECTION DE LA NON-RÉPONSE TOTALE : MÉTHODE DES SCORES ET SEGMENTATION Émle Dequdt, Benoît Busson 2 & Ncolas Sgler 3 Insee, Drecton régonale des Pays de la Lore, Servce
Plus en détailIntegral T 3 Compact. raccordé aux installations Integral 5. Notice d utilisation
Integral T 3 Compact raccordé aux nstallatons Integral 5 Notce d utlsaton Remarques mportantes Remarques mportantes A quelle nstallaton pouvez-vous connecter votre téléphone Ce téléphone est conçu unquement
Plus en détailCoefficients binomiaux
Probabilités L2 Exercices Chapitre 2 Coefficients binomiaux 1 ( ) On appelle chemin une suite de segments de longueur 1, dirigés soit vers le haut, soit vers la droite 1 Dénombrer tous les chemins allant
Plus en détailUniversité Paris 8 Introduction aux probabilités 2014 2015 Licence Informatique Exercices Ph. Guillot. 1 Ensemble fondamental loi de probabilité
Université Paris 8 Introduction aux probabilités 2014 2015 Licence Informatique Exercices Ph. Guillot 1 Ensemble fondamental loi de probabilité Exercice 1. On dispose de deux boîtes. La première contient
Plus en détailDes solutions globales fi ables et innovantes. www.calyon.com
Des solutons globales f ables et nnovantes www.calyon.com OPTIM Internet: un outl smple et performant Suv de vos comptes Tratement de vos opératons bancares Accès à un servce de reportng complet Une nterface
Plus en détailInterface OneNote 2013
Interface OneNote 2013 Interface OneNote 2013 Offce 2013 - Fonctons avancées Lancer OneNote 2013 À partr de l'nterface Wndows 8, utlsez une des méthodes suvantes : - Clquez sur la vgnette OneNote 2013
Plus en détailMEMOIRE. Présenté au département des sciences de la matière Faculté des sciences
REPUBLIQUE LERIEN DEMOCRTIQUE ET POPULIRE Mnstère de l ensegnement supéreur et de la recherche scentfque Unversté El-Hadj Lakhdar-BTN- MEMOIRE Présenté au département des scences de la matère Faculté des
Plus en détail1 Introduction. 2 Définitions des sources de tension et de courant : Cours. Date : A2 Analyser le système Conversion statique de l énergie. 2 h.
A2 Analyser le système Converson statque de l énerge Date : Nom : Cours 2 h 1 Introducton Un ConVertsseur Statque d énerge (CVS) est un montage utlsant des nterrupteurs à semconducteurs permettant par
Plus en détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détailI. Présentation générale des méthodes d estimation des projets de type «unité industrielle»
Evaluaton des projets et estmaton des coûts Le budget d un projet est un élément mportant dans l étude d un projet pusque les résultats économques auront un mpact sur la réalsaton ou non et sur la concepton
Plus en détailEvaluation de performances d'ethernet commuté pour des applications temps réel
Evaluaton de performances d'ethernet commuté pour des applcatons temps réel Ans Koubâa, Ye-Qong Song LORIA-INRIA-INPL, Avenue de la Forêt de Haye - 5456 Vandoeuvre - France Emal : akoubaa@lorafr, song@lorafr
Plus en détailEcole Polytechnique de Montréal C.P. 6079, succ. Centre-ville Montréal (QC), Canada H3C3A7 lucas.greze@polymtl.ca robert.pellerin@polymtl.
CIGI 2011 Processus d accélératon de proets sous contrantes de ressources avec odes de chevaucheent LUCAS GREZE 1, ROBERT PELLERIN 1, PATRICE LECLAIRE 2 1 CHAIRE DE RECHERCHE JARISLOWSKY/SNC-LAVALIN EN
Plus en détailPREMIERS PAS en REGRESSION LINEAIRE avec SAS. Josiane Confais (UPMC-ISUP) - Monique Le Guen (CNRS-CES-MATISSE- UMR8174)
PREMIERS PAS en REGRESSION LINEAIRE avec SAS Josane Confas (UPMC-ISUP) - Monque Le Guen (CNRS-CES-MATISSE- UMR874) e-mal : confas@ccr.jusseu.fr e-mal : monque.leguen@unv-pars.fr Résumé Ce tutorel accessble
Plus en détailAvez-vous vous aperçu cette drôle de trogne? Entre nature et histoire autour de Mondoubleau
Avez-vous vous aperçu cette drôle de trogne? Entre nature et hstore autour de Mondoubleau Thème de la cache : NATURE ET CULTURE Départ : Parkng Campng des Prés Barrés à Mondoubleau Dffculté : MOYENNE Dstance
Plus en détailSemestre : 4 Module : Méthodes Quantitatives III Elément : Mathématiques Financières Enseignant : Mme BENOMAR
Semestre : 4 Module : Méthodes Quattatves III Elémet : Mathématques Facères Esegat : Mme BENOMAR Elémets du cours Itérêts smples, précompte, escompte et compte courat Itérêts composés Autés Amortssemets
Plus en détailProbabilités Loi binomiale Exercices corrigés
Probabilités Loi binomiale Exercices corrigés Sont abordés dans cette fiche : (cliquez sur l exercice pour un accès direct) Exercice 1 : épreuve de Bernoulli Exercice 2 : loi de Bernoulli de paramètre
Plus en détailExo7. Probabilité conditionnelle. Exercices : Martine Quinio
Exercices : Martine Quinio Exo7 Probabilité conditionnelle Exercice 1 Dans la salle des profs 60% sont des femmes ; une femme sur trois porte des lunettes et un homme sur deux porte des lunettes : quelle
Plus en détailEH SmartView. Identifiez vos risques et vos opportunités. www.eulerhermes.be. Pilotez votre assurance-crédit. Services en ligne Euler Hermes
EH SmartVew Servces en lgne Euler Hermes Identfez vos rsques et vos opportuntés Plotez votre assurance-crédt www.eulerhermes.be Les avantages d EH SmartVew L expertse Euler Hermes présentée de manère clare
Plus en détailCHAPITRE 14 : RAISONNEMENT DES SYSTÈMES DE COMMANDE
HAITRE 4 : RAISONNEMENT DES SYSTÈMES DE OMMANDE RAISONNEMENT DES SYSTÈMES DE OMMANDE... 2 INTRODUTION... 22 RAELS... 22 alcul de la valeur ntale de la répone à un échelon... 22 alcul du gan tatque... 22
Plus en détailCHAPITRE DEUX : FORMALISME GEOMETRIQUE
CHPITRE DEUX FORMLISME GEOMETRIQUE. CHPITRE DEUX : FORMLISME GEOMETRIQUE verson.3, -8 I. GEOMETRIE DNS L ESPCE-TEMPS ) Prncpe de relatvté Le prncpe de relatvté peut s exprmer ans : toutes les los physques
Plus en détailFiche n 7 : Vérification du débit et de la vitesse par la méthode de traçage
Fche n 7 : Vérfcaton du débt et de la vtesse par la méthode de traçage 1. PRINCIPE La méthode de traçage permet de calculer le débt d un écoulement ndépendamment des mesurages de hauteur et de vtesse.
Plus en détailP R I S E E N M A I N R A P I D E O L I V E 4 H D
P R I S E E N M A I N R A P I D E O L I V E 4 H D Sommare 1 2 2.1 2.2 2.3 3 3.1 3.2 3.3 4 4.1 4.2 4.3 4.4 4.5 4.6 5 6 7 7.1 7.2 7.3 8 8.1 8.2 8.3 8.4 8.5 8.6 Contenu du carton... 4 Paramétrage... 4 Connexon
Plus en détailClemenceau. Régime sinusoïdal forcé. Impédances Lois fondamentales - Puissance. Lycée. PCSI 1 - Physique. Lycée Clemenceau. PCSI 1 (O.
ycé Clnca PCS - Physq ycé Clnca PCS (O.Granr) ég snsoïdal forcé pédancs os fondantals - Pssanc ycé Clnca PCS - Physq ntérêt ds corants snsoïdax : Expl d tnsons snsoïdals : tnson d sctr (50 H 0 V) s lgns
Plus en détailÉtranglement du crédit, prêts bancaires et politique monétaire : un modèle d intermédiation financière à projets hétérogènes
Étranglement du crédt, prêts bancares et poltque monétare : un modèle d ntermédaton fnancère à projets hétérogènes Mngwe Yuan et Chrstan Zmmermann Introducton et objet de l étude Par étranglement du crédt
Plus en détailCorrection du baccalauréat STMG Polynésie 17 juin 2014
Correction du baccalauréat STMG Polynésie 17 juin 2014 EXERCICE 1 Cet exercice est un Q.C.M. 4 points 1. La valeur d une action cotée en Bourse a baissé de 37,5 %. Le coefficient multiplicateur associé
Plus en détailPrêt de groupe et sanction sociale Group lending and social fine
Prêt de roupe et sancton socale Group lendn and socal fne Davd Alary Résumé Dans cet artcle, nous présentons un modèle d antsélecton sur un marché concurrentel du crédt. Nous consdérons l ntroducton de
Plus en détailNOTIONS DE PROBABILITÉS
NOTIONS DE PROBABILITÉS Sommaire 1. Expérience aléatoire... 1 2. Espace échantillonnal... 2 3. Événement... 2 4. Calcul des probabilités... 3 4.1. Ensemble fondamental... 3 4.2. Calcul de la probabilité...
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailImpôt sur la fortune et investissement dans les PME Professeur Didier MAILLARD
Conservatore atonal des Arts et Méters Chare de BAQUE Document de recherche n 9 Impôt sur la fortune et nvestssement dans les PME Professeur Dder MAILLARD Avertssement ovembre 2007 La chare de Banque du
Plus en détailUNE ETUDE ECONOMÉTRIQUE DU NOMBRE D ACCIDENTS
BRUSSELS ECONOMIC REVIEW - CAHIERS ECONOMIQUES DE BRUXELLES VOL. 49 - N 2 SUMMER 2006 UNE ETUDE ECONOMÉTRIQUE DU NOMBRE D ACCIDENTS DANS LE SECTEUR DE L ASSURANCE AUTOMOBILE* MARÍA DEL CARMEN MELGAR**
Plus en détail1 TD1 : rappels sur les ensembles et notion de probabilité
1 TD1 : rappels sur les ensembles et notion de probabilité 1.1 Ensembles et dénombrement Exercice 1 Soit Ω = {1, 2, 3, 4}. Décrire toutes les parties de Ω, puis vérier que card(p(ω)) = 2 4. Soit k n (
Plus en détailINTRODUCTION. Jean-Pierre MAGNAN Chef de la section des ouvrages en terre Département des sols et fondations Laboratoire central
Etude numérque de la consoldaton undmensonnelle en tenant compte des varatons de la perméablté et de la compressblté du sol, du fluage et de la non-saturaton Jean-Perre MAGNAN Chef de la secton des ouvrages
Plus en détailPour plus d'informations, veuillez nous contacter au 04.75.05.52.62. ou à contact@arclim.fr.
Régulaton Sondes & Capteurs Détente frgo électronque Supervson & GTC Humdfcaton & Déshu. Vannes & Servomoteurs Comptage eau, elec., énerge Ancens artcles Cette documentaton provent du ste www.arclm.eu
Plus en détailCALCUL DES PROBABILITES
CALCUL DES PROBABILITES Exemple On lance une pièce de monnaie une fois. Ensemble des événements élémentaires: E = pile, face. La chance pour obtenir pile vaut 50 %, pour obtenir face vaut aussi 50 %. Les
Plus en détailEconomie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de
Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de l espérance d utilité Olivier Bos olivier.bos@u-paris2.fr
Plus en détailUNIVERSITÉ DU QUÉBEC À MONTRÉAL L ASSURANCE AUTOMOBILE AU QUÉBEC : UNE PRIME SELON LE COÛT SOCIAL MARGINAL MÉMOIRE PRÉSENTÉ COMME EXIGENCE PARTIELLE
UNIVERSITÉ DU QUÉBEC À MONTRÉAL L ASSURANCE AUTOMOBILE AU QUÉBEC : UNE PRIME SELON LE COÛT SOCIAL MARGINAL MÉMOIRE PRÉSENTÉ COMME EXIGENCE PARTIELLE DE LA MAÎTRISE EN ÉCONOMIQUE PAR ERIC LÉVESQUE JANVIER
Plus en détail